基于多光谱成像无损识别猪肉中碎骨的技术研究

发布时间：2021-06-25 14:45

　　猪肉制品是我国最受欢迎的肉类产品之一,猪肉的后期加工及食用安全一直是人们密切关注的问题。碎骨作为原料肉中不可避免的危害因子,不仅会损坏加工设备,同时也会对消费者造成潜在的危害。因此,猪肉中碎骨的快速无损识别对于肉类工业发展具有积极意义。本文以新鲜和冻融猪肉为研究对象,通过多光谱成像系统获取样品的多光谱图像,利用线性判别分析（LDA）、偏最小二乘判别分析（PLS-DA）、支持向量机（SVM）、神经网络（NN）、连续投影算法（SPA）、主成分分析（PCA）等化学计量学建模方法,对新鲜和冻融猪肉进行准确分类,同时对嵌入猪肉中的碎骨进行快速无损识别。得出如下结论:1)基于光谱信息建立LDA、PCA-LDA、PLS-DA和SVM化学计量学模型识别新鲜和冻融猪肉,各模型分类精度均高于86.67%,其中基于全光谱和特征光谱建立的最优LDA模型识别精度分别为100%和97%。利用图像信息和光谱信息的模型系数建立新鲜和冻融猪肉的可视化分布图,可以更直观地对新鲜和冻融猪肉进行识别。2)基于光谱信息建立LDA、PCA-LDA、PLS-DA和SVM计量学模型识别嵌入新鲜猪肉表面和内部的碎骨,其中基于特征光谱建... 

【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

光谱信息图

第一章前言5图1.2高光谱图像与多光谱图像区别Fig.1.2ThedifferenceofHSIandMSI1.3.3光谱定性定量判别流程基于光谱成像技术获得的光谱和图像信息基本包含了样品的基本理化性质。因此，这些信息的有效结合可以被作为定性定量检测理化成分的依据。基于光谱成像的定性定量判别流程如图1.3所示。在定量检测中，通过建立光谱数据和样品特定组分含量间的多元回归模型来预测样品组分含量。多元回归模型中主要包括多元线性回归(PLSR、MLR、PCR)和非线性回归（SVM、ANN等）[34]模型。YuweiLiu采用PLSR、PCR、MLR、SVM预测牛肉在微波加热中的颜色和水分含量[35]；Eva应用HSI技术结合PLSR可以有效预测腌制猪肉的盐分含量[36]；Juliana应用HSI技术结合PLSR算法成功预测牛肉的剪切力[37]。Mohammed通过对牛肉中不同含量鸡肉的添加应用近红外高光谱成像技术结合PLSR预测切碎的牛肉中的鸡肉的掺假量[38]。Lalit结合多光谱成像技术和PLSR、SVR预测新鲜肉的水分含量、脂肪和蛋白质含量[39]。DongYang应用高光谱成像技术结合PLSR预测五香牛肉的活菌总数[40]。QianYan应用高光谱成像技术结合PLSR在线监测干制肉品的TVB-N含量，并实现了含量的可视化[41]。在定性分析中，主要通过对获得的光谱信息和纹理信息等进行监督分类和非监督分类、参数分类和非参数分类[24]达到分析目的。根据有无先验知识的判别分类可以分为监督分类（LDA、PCA-LDA、SVM、PLS-DA、NN、KNN等）和非监督分类(PCA、回归分析等)；根据依赖统计参数与否分为非参数分类和参数分类。Ropodi等利用多光谱成像技术结合傅里叶变换红外光谱通过PCA对新鲜和冻融切碎的牛肉进行初步分析，通过PLS-DA和SVM实现对新鲜和冻融样品进行准确分类检测[42]；HongzheJiang等应用近红外高光?

合肥工业大学专业硕士研究生学位论文6牛肉的剪切力的可行性，结果表明通过局部感兴趣区域的选择可显著提高预测牛肉嫩度的精度，且可以较好的建立可视化模型[37]。综上所述，基于光谱信息和图像信息建立化学计量学模型可以有效实现样品理化性质的定性定量分析。图1.3光谱成像检测原理Fig.1.3Theprincipleofspectralimagingdetection1.3.4基于光谱技术的肉制品检测研究现状光谱和图像处理技术有效结合应用，使得光谱检测技术也逐渐受到人们的关注。由于光谱检测技术既可以根据样品的光谱信息分析其化学品质变化，同时又可以通过图像信息分析其物理品质的变化，使得无损在线检测肉制品的物理化学品质得到了广泛的应用。国内外的研究学者也在为实现其工业在线检测不断探索。1.3.4.1国内研究现状目前，国内应用光谱成像技术在肉制品检测中应用主要是通过获得肉制品的各种质量属性和光谱成像，通过对它们的各种属性进行定性、定量分析来对肉制品进行快速无损检测。基于市场中不断出现的掺假现象，通过高光谱成像技术（400～1000nm）对羊肉肉糜中的鸭肉掺假的快速无损检测。通过选择最优波长的偏最小二乘回归模型（PLSR）对羊肉样品的掺假进行预测，R2达到了0.98，均方根误差为2.51%，并且通过预测模型形成羊肉掺假图像可视化视图，表明HSI在快速准确检测肉糜中掺假具有巨大的应用潜力[44]。同样，由于不同化学成分与样品的光谱特征密切相关，可以通过建立光谱特征与化学成分间的化学模型来预测样品中的成分含量。应用高光谱成像(900～1700nm)技术对白虾的TVB-N含量进行预测。通过采用连续投影算法（SPA）和基于深度学习算法进行光谱特征提取，采用最小二乘支持向量机(LS-SVM)、偏最小二乘回归(PLSR)和多元线性回归(MLR)进行预测。从而实现

【参考文献】：
期刊论文
[1]光谱数据融合技术在食品检测中的应用研究进展[J]. 杨巧玲,邓晓军,孙晓东,钮冰,古淑青,陈沁.  食品工业科技. 2020(18)
[2]2019年中国猪肉市场回顾及未来走势[J]. 聂凤英,梁丹辉.  猪业科学. 2020(02)
[3]近红外光谱结合化学计量学的常见中国蜂蜜掺杂糖浆鉴别[J]. 黄富荣,宋晗,郭鎏,杨心浩,李立群,赵红霞,杨懋勋.  光谱学与光谱分析. 2019(11)
[4]生物保鲜剂对冷却肉保鲜的影响[J]. 王盼,何贝贝,李志成,田娜娜,马林林.  中国食品学报. 2019(11)
[5]基于近红外光谱的粳稻种子快速鉴别方法研究[J]. 谢欢,陈争光,张庆华.  光谱学与光谱分析. 2019(10)
[6]基于超声成像技术的方腿中异物检测[J]. 张俊俊,赵号,翟晓东,胡雪桃,邹小波,石吉勇.  中国食品学报. 2019(08)
[7]基于可见光谱和支持向量机的黄瓜叶部病害识别方法研究[J]. 李鑫星,朱晨光,白雪冰,毛富焕,傅泽田,张领先.  光谱学与光谱分析. 2019(07)
[8]冷冻储藏对猪肉、羊肉和牛肉中脂肪酸含量变化的影响[J]. 尉立刚,柴雅婷,郭超然,张莹,吴碧慧,刘顺舟,贺丽娟.  中国科技论文. 2019(04)
[9]基于SVM的农作物种植结构遥感提取研究[J]. 王川,常升龙,武喜红.  现代农业科技. 2018(13)
[10]高光谱成像技术在肉品品质评价中的应用[J]. 刘海,郑福平,熊振海,刘源.  食品科学. 2018(11)

博士论文
[1]基于多光谱成像技术的香肠多元品质无损检测研究[D]. 马飞.合肥工业大学 2015

硕士论文
[1]基于超声成像技术的火腿肠异物检测及等级判别研究[D]. 赵号.江苏大学 2018
[2]气调包装对冷却猪肉菌相影响与货架期预测模型[D]. 陈东杰.山东农业大学 2017
[3]关于冷鲜猪肉的保鲜包装技术的研究[D]. 曹丙湖.浙江农林大学 2017
[4]不同贮藏温度下牛肉新鲜度及品质变化研究[D]. 张婷.陕西师范大学 2016
[5]基于人工神经网络的海岛遥感影像地物分类研究[D]. 曹兆伟.上海海洋大学 2016
[6]冷鲜兔肉贮藏中微生物与理化性质的变化及其相关性研究[D]. 杨佳艺.西南大学 2012
[7]肉及其制品中碎骨图像处理关键技术研究[D]. 闫业斌.南京林业大学 2010



本文编号：3249399